Skip to Main content Skip to Navigation
Journal articles

Reducción de la Dimensionalidad en Perfiles Tumorales con Metodos de Kernel y Redes Neuronales

Résumé : Los perfiles tumorales en humanos pueden ser caracterizados por su genómica mediante la expresión de miles de genes. Este tipo de señales pueden ser aprovechadas para detectar estadísticamente patrones que permitan clasificar o agrupar de manera supervisada o no supervisada perfiles tumorales según su fenotipo. En esta presentación y revisión se busca listar dos casos para poder reducir la dimensionalidad genómica y encontrar biomarcadores que permitan realizar las tareas de aprendizaje estadístico mencionadas. Para reducir la dimensionalidad se utilizan funciones de Kernel en combinación con redes Neuronales Artificiales. Los resultados obtenidos en la presente revisión muestran el potencial de estas herramientas para el procesamiento de datos genómicos en pacientes oncológicos.
Document type :
Journal articles
Complete list of metadata

https://hal-utt.archives-ouvertes.fr/hal-03320940
Contributor : Jean-Baptiste Vu Van Connect in order to contact the contributor
Submitted on : Monday, August 16, 2021 - 4:56:17 PM
Last modification on : Friday, August 27, 2021 - 3:14:07 PM

Links full text

Identifiers

Collections

UTT | CNRS

Citation

Martin Palazzo, Patricio Yankilevich, Pierre Beauseroy. Reducción de la Dimensionalidad en Perfiles Tumorales con Metodos de Kernel y Redes Neuronales. AJEA, 2020, ⟨10.33414/ajea.5.779.2020⟩. ⟨hal-03320940⟩

Share

Metrics

Record views

11